-
公开(公告)号：CN113344011B
公开(公告)日：2023-08-08
申请号：CN202110713935.4
申请日：2021-06-25
Applicant: 北京印刷学院
IPC: G06V10/56 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于级联融合特征置信度加权的颜色恒常性方法，为无人驾驶、水下物体识别、三维物体重建等计算机视觉任务提供稳定的颜色特征，步骤为：(1)在自然场景光源下拍摄图像以及视频，制作应用于颜色恒常性方法的数据集；(2)根据光源颜色的特殊性发明基于级联融合特征置信度加权网络结构；(3)使用数据集对网络结构进行二阶段训练；(4)将估计出的场景光源从图像或者视频中移除，实现图像以及视频的颜色恒常性。本发明通过级联方式将图像中浅层边缘纹理特征与深层细粒度深层特征进行融合，充分利用图像中可以为光源估计提供更多信息的特征估计光源，解决了目前颜色恒常性方法在面对复杂环境时光源估计精确度低的问题，提高了颜色恒常性方法的精确性以及面对复杂环境时方法的稳健性。
-
公开(公告)号：CN113344011A
公开(公告)日：2021-09-03
申请号：CN202110713935.4
申请日：2021-06-25
Applicant: 北京印刷学院
Abstract: 本发明公开了一种基于级联融合特征置信度加权的颜色恒常性方法，为无人驾驶、水下物体识别、三维物体重建等计算机视觉任务提供稳定的颜色特征，步骤为：(1)在自然场景光源下拍摄图像以及视频，制作应用于颜色恒常性方法的数据集；(2)根据光源颜色的特殊性发明基于级联融合特征置信度加权网络结构；(3)使用数据集对网络结构进行二阶段训练；(4)将估计出的场景光源从图像或者视频中移除，实现图像以及视频的颜色恒常性。本发明通过级联方式将图像中浅层边缘纹理特征与深层细粒度深层特征进行融合，充分利用图像中可以为光源估计提供更多信息的特征估计光源，解决了目前颜色恒常性方法在面对复杂环境时光源估计精确度低的问题，提高了颜色恒常性方法的精确性以及面对复杂环境时方法的稳健性。
-
公开(公告)号：CN113674154A
公开(公告)日：2021-11-19
申请号：CN202110970721.5
申请日：2021-08-23
Applicant: 北京印刷学院
Abstract: 本发明涉及一种基于生成对抗网络的单幅图像超分辨率重建方法及系统，其方法包括：S1：获取高分辨率子图像集IBH；S2：利用双三次插值法对IBH进行下采样，得到低分辨率子图像集IBL；S3：将低分辨率子图像集IBL输入到生成网络，通过网络的正向传播得到重建后的图像集IS；S4：将IBH与IS分别送入判别网络中进行正向传播得到其分类概率；S5：对判别网络的参数反向传播，更新判别网络；S6：对生成网络的参数反向传播，更新生成网络；S7：重复步骤S3～S6，直至当生成网络与判别网络达到相对的平衡状态时，得到重建的超分辨率图像。本发明的生成网络方法采用U‑Net网络结构，使得重建的图片更接近于真实图像，并在判别网络引入残差模块，提升抽取深层特征的能力。
-
公开(公告)号：CN113674154B
公开(公告)日：2023-10-27
申请号：CN202110970721.5
申请日：2021-08-23
Applicant: 北京印刷学院
IPC: G06T3/40 , G06T7/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/0475 , G06N3/084 , G06N3/094
Abstract: 本发明涉及一种基于生成对抗网络的单幅图像超分辨率重建方法及系统，其方法包括：S1：获取高分辨率子图像集IBH；S2：利用双三次插值法对IBH进行下采样，得到低分辨率子图像集IBL；S3：将低分辨率子图像集IBL输入到生成网络，通过网络的正向传播得到重建后的图像集IS；S4：将IBH与IS分别送入判别网络中进行正向传播得到其分类概率；S5：对判别网络的参数反向传播，更新判别网络；S6：对生成网络的参数反向传播，更新生成网络；S7：重复步骤S3～S6，直至当生成网络与判别网络达到相对的平衡状态时，得到重建的超分辨率图像。本发明的生成网络方法采用U‑Net网络结构，使得重建的图片更接近于真实图像，并在判别网络引入残差模块，提升抽取深层特征的能力。
-
-
-
Search Results
4
records
(took 0.027 seconds)
